Erkenntnisgewinn aus Massenfreitextfeedback zur Unterstützung einer Feedback orientierten Produktverbesserung.

"Es ist wirklich schwierig, Produkte mit Hilfe von Fokusgruppen zu entwerfen. Oftmals wissen die Leute nicht, was sie wollen, bis man es ihnen zeigt." - STEVE JOBS

In der Studie dieser Abschlussarbeit wurde untersucht, wie Unternehmen aus Nutzerfeedback der Massen Erkenntnisse gewinnen können, um Nutzerfeedback nutzbar zu machen, indem kritische Informationen durch Kategorisierungs - und Einordnungsmuster im textuellen Nutzerfeedback extrahiert werden.

In der heutigen stark vernetzten Welt können Endbenutzer durch soziale Kommunikation riesige Datenmengen erzeugen. Diese unstrukturierten Daten, die aus Text, Audio und Videos bestehen, sind jedoch wertlos, wenn die Unternehmen keine Möglichkeiten finden, sie zu strukturieren, zu kategorisieren, darzustellen und ihnen eine Bedeutung zu verleihen.
Auf dieser Grundlage hat die Welt bereits innovative Technologien entwickelt, auf die die von ihnen geleiteten Unternehmen zurückgreifen können, um kognitive Anwendungen zu entwickeln, die es ihnen ermöglichen, ihren Endbenutzer bessere Produkte und Dienstleistungen anzubieten.

Daher sollten künftige Studien nach Möglichkeiten suchen, den Anwendungsbereich von Textanalysen und auch Textvisualisierungen zu erweitern, um das Rauschen von den kritischen Informationen im textuellen Nutzerfeedback zu trennen.

Der letzte Punkt ist, dass mit dem exponentiellen Wachstum der Nutzung sozialer Medien durch die Endbenutzer weltweit und der zunehmenden Bevorzugung der Cloud-Technologie für die Datenspeicherung die Textdatenanalyse immer mehr an Bedeutung gewinnen wird. Unternehmen müssen sich daher an dieses neue Umfeld anpassen und sicherstellen, dass sie bei der Produkt- und Designverbesserung durch die Analyse von Kundenfeedback immer auf dem neuesten Stand sind.